TL;DR:
- Google lanzó tres modelos: Gemini 3.6 Flash, 3.5 Flash-Lite y 3.5 Flash Cyber, todos enfocados en agentes de IA.
- 3.6 Flash baja su precio de salida de 9 a 7.50 dólares por millón de tokens y consume 17% menos tokens que 3.5 Flash.
- El modelo estrella 3.5 Pro sigue en pruebas y Google ya arrancó el entrenamiento de Gemini 4.
Google presentó el martes 21 de julio de 2026 tres modelos nuevos de su familia Gemini: Gemini 3.6 Flash, Gemini 3.5 Flash-Lite y Gemini 3.5 Flash Cyber, todos orientados a construir agentes de IA a gran escala con más eficiencia y menor costo. Los dos primeros ya están disponibles para desarrolladores y usuarios; el tercero, especializado en ciberseguridad, llega restringido a gobiernos y socios de confianza. En el mismo anuncio, la compañía admitió que su modelo estrella, Gemini 3.5 Pro, sigue en fase de pruebas semanas después de la fecha que había prometido, y reveló que ya comenzó lo que llama su "entrenamiento previo más ambicioso hasta la fecha" para Gemini 4.
La jugada dice mucho del momento. Google soltó el caballo de batalla y el modelo económico de la gama, recortó precios en el primero y dejó para después el buque insignia que todos esperaban. La firma enmarca todo esto en la llamada era de los agentes: sistemas de IA que ejecutan tareas de varios pasos, y que para funcionar a escala necesitan modelos rápidos, baratos y predecibles más que un cerebro gigante. El anuncio lo firma Tulsee Doshi, directora sénior de producto, en nombre del equipo de Gemini.
3.6 Flash: más barato que su antecesor y afinado para agentes
Gemini 3.6 Flash es el modelo de trabajo diario de la línea, y su mayor gancho es económico. El precio de entrada se mantiene en 1.50 dólares por millón de tokens, pero el de salida cae de 9 a 7.50 dólares por millón. A eso se suma la eficiencia: según el índice de Artificial Analysis, el modelo gasta 17% menos tokens de salida que 3.5 Flash, y da menos pasos de razonamiento y menos llamadas a herramientas para completar flujos de varios pasos. En algunos benchmarks, como DeepSWE de Datacurve, Google asegura que el ahorro llega hasta 65%.
En rendimiento, 3.6 Flash supera a su antecesor en casi todas las pruebas que la compañía publicó:
- En programación de software subió a 49% en DeepSWE, frente al 37% de 3.5 Flash.
- En investigación de machine learning (MLE Bench) pasó de 49.7% a 63.9%.
- En uso de computadora (OSWorld-Verified) mejoró de 78.4% a 83%.
- En trabajo de conocimiento (GDPval-AA v2) subió de 1349 a 1421 puntos.
El modelo es multimodal (acepta texto, imagen, voz y video), maneja una ventana de contexto de un millón de tokens y suma el uso de computadora como herramienta integrada vía la API de Gemini y Gemini Enterprise. Artificial Analysis, la firma que Google cita para sus cifras de eficiencia, lo ubica en 50 puntos en su Índice de Inteligencia, por encima del promedio de modelos de precio similar.
Ahora, la letra chica. Frente a su propia versión anterior el salto es claro, pero contra la competencia el panorama se complica. En el análisis de The New Stack, 3.6 Flash queda en la media de la gama: su 49% en DeepSWE se ubica por debajo de rivales como Claude Sonnet 5 (54%) y muy lejos de los modelos de frontera, que rebasan el 70%; en GDPval-AA v2, sus 1421 puntos también quedan atrás de opciones como Sonnet 5 y el GPT-5.6 de OpenAI. La apuesta de Google, entonces, es competir por costo y velocidad más que por ganar cada tabla de benchmarks.
3.5 Flash-Lite: el modelo económico que llega a la Búsqueda de Google
Si 3.6 Flash es el caballo de batalla, Gemini 3.5 Flash-Lite es el modelo para mover volumen. Es el más rápido de la serie 3.5, con 350 tokens de salida por segundo, y está pensado para tareas de alto rendimiento como búsqueda con agentes y procesamiento de documentos, no para razonamiento pesado. Su precio es de 0.30 dólares por millón de tokens de entrada y 2.50 de salida. Vale aclararlo: eso lo hace más caro que el viejo 3.1 Flash-Lite (que costaba 0.25 y 1.50), aunque bastante más capaz.
Los números respaldan esa mejora:
- Frente a 3.1 Flash-Lite, saltó de 31% a 54% en Terminal-Bench 2.1 y de 642 a 1140 puntos en GDPval-AA v2.
- Incluso supera a Gemini 3 Flash en algunas pruebas, como SWE-Bench Pro (54.2% frente a 49.6%) y OSWorld-Verified (74% frente a 65.1%).
Para el público general, el dato que más pega es otro: Flash-Lite empezó a desplegarse dentro de la Búsqueda de Google, así que su efecto se sentirá sin que el usuario tenga que instalar nada. Entre las empresas que ya lo probaron, Google citó a Ramp, la plataforma de gestión de gastos, por su uso en procesamiento masivo de recibos.
"Gemini 3.5 Flash-Lite se ubicó en la frontera de Pareto en nuestro benchmark de extracción de recibos, con uno de los mejores equilibrios que hemos probado entre precisión, latencia y costo. Esa combinación es crítica en Ramp, donde necesitamos procesar recibos de forma rápida y confiable a gran escala."
Lo dijo Veeral Patel, responsable de IA aplicada en Ramp, en el anuncio de Google.
3.5 Flash Cyber: potente en ciberseguridad, pero solo para gobiernos
El tercer modelo va por un camino distinto. Gemini 3.5 Flash Cyber está construido sobre 3.5 Flash y afinado para encontrar y reparar vulnerabilidades de seguridad en código, a un precio por token menor que el de modelos más grandes. No trabaja solo: opera dentro de CodeMender, el agente de seguridad de Google, donde varios agentes Cyber colaboran para producir un único informe combinado. En el benchmark CyberGym, Google dice que alcanza un rendimiento competitivo en la frontera.
Aquí está el punto sensible. Por su naturaleza de doble uso (la misma capacidad que encuentra fallas puede servir para explotarlas), Google decidió no abrirlo al público. El modelo estará disponible de forma exclusiva para gobiernos y socios de confianza, únicamente a través de CodeMender y como parte de un programa piloto de acceso limitado, con planes de ampliarlo con el tiempo. La compañía describe la estrategia como un despliegue "intencional", en línea con la cautela creciente de los laboratorios de IA frente a las herramientas de ciberseguridad ofensiva.
Esa prudencia no es exclusiva del modelo Cyber. Google señaló que 3.6 Flash sale con salvaguardas reforzadas de su marco de seguridad de frontera en las áreas química, biológica, radiológica y nuclear, además de uso ofensivo cibernético, con más resistencia a los intentos de burlar sus filtros y, al mismo tiempo, menos rechazos ante peticiones legítimas.
El modelo estrella sigue en pausa mientras Google piensa en Gemini 4
La ausencia más notoria del anuncio es Gemini 3.5 Pro. Google lo presentó en su conferencia I/O de mayo con la promesa de lanzarlo en junio, y esa fecha ya quedó atrás por varias semanas sin un nuevo calendario. La compañía se limitó a decir que el modelo "está en pruebas con socios" y que lo abrirá a todos "en cuanto esté listo".
En paralelo, Google mira más lejos. Confirmó que ya inició el entrenamiento previo de Gemini 4, al que califica como el más ambicioso que ha emprendido. Es decir: mientras el buque insignia de la generación actual sigue sin zarpar, la siguiente ya está en construcción.
Para desarrolladores y empresas de habla hispana que están montando agentes de IA, la lectura práctica es sencilla: hoy hay herramientas más rápidas y económicas en la gama media, con precios que ayudan en mercados sensibles al costo, pero el modelo tope de línea que muchos esperaban aún no tiene fecha. Google apuesta por ganar la era de los agentes desde el costo y la eficiencia, y ya movió parte de su atención a la próxima generación.
